R²（读作R平方）是线性回归分析中的一个重要指标，它表示回归模型拟合优度的程度。具体来说，R²衡量的是因变量的变异中有多少百分比能够通过自变量的变化来解释。R²的取值范围是0到1，值越接近1，说明回归模型对数据的拟合程度越好，即模型能够解释因变量更多的变异。
R²的计算公式如下：
```
R² = 1 - （残差平方和 SSE） / （总平方和 SST）
```
其中：
总平方和 （SST）是因变量的观测值与其均值之间的总离差。
回归平方和 （SSR）是回归直线对观测值的拟合程度，即回归模型能够解释的变异部分。
残差平方和 （SSE）是模型未能解释的变异部分，即观测值与回归预测值之间的差异。
R²越接近1，表明回归模型对数据的拟合效果越好，模型对因变量的解释能力越强。在实际应用中，R²通常与R（相关系数）一起使用，R表示因变量与自变量之间的线性相关程度，而R²则表示这种线性关系的强度和解释能力。
需要注意的是，R²是一个无量纲系数，便于不同回归模型拟合优度的比较。如果R²值较低，可能意味着模型需要改进，比如通过增加自变量、减少残差或尝试不同的回归方法来提高拟合度